[發明專利]一種自適應PCA模型建立方法及超聲加工局部放電檢測方法

在審

• 申請號: 202011398286.5
• 申請日: 2020-12-04
• 公開（公告）號: CN112763859A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 趙曉丹;王勇
• 申請（專利權）人: 紹興精宸智能科技有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 徐鋒

本發明涉及一種自適應PCA模型建立方法，在傳統PCA模型中加入了自適應離群點剔除方法，以訓練數據在殘差空間的投影向量—殘差向量的距離平方和監控限閾值大小作為離群點的檢測依據，即當某采樣數據的主元分析Q統計量高于監控限閾值，則認為該數據異常，認定為離群點，應從訓練矩陣中剔除，采用自適應循環方法剔除所有循環中的異常數據，對訓練矩陣進行重復壓縮，直至訓練矩陣所有樣本的監控指標Q統計量都低于閾值。同時，還涉及了基于自適應PCA的超聲加工局部放電檢測方法，通過離群點剔除大幅度降低監控指標Q統計量的閾值，可以很好的檢測出超聲加工過程中出現因局部放電導致的粗差數據，提高檢測敏感度和檢測效率，及時反應超聲設備性能。

技術領域

本發明屬于超聲加工的局部放電檢測領域，尤其涉及一種基于自適應主元分析法(Principal Component Analysis，PCA)的超聲加工局部放電檢測方法。

背景技術

超聲振動加工技術以其典型的間歇性加工原理而聞名，即刀具在一個周期內具有工件與刀具的接觸分離過程。高頻周期分離特性使得超聲加工具有平均切削力小、加工效率高、表面加工質量好等優點。超聲振動加工應用覆蓋范圍廣泛，主要有旋轉超聲加工、超聲切削加工、銑削加工、磨削加工等。在大功率超聲加工技術日趨成熟的背景下，加工設備的局部放電問題也隨之成為迫切需要克服的難題之一。局部放電主要可分為以下三種：超聲電源發生器中串并聯LC阻抗匹配電路端產生局部放電；超聲換能器電極片端因虛焊、接觸不良引起的局部放電；超聲電源內部因線路老化、破損等引起的其他放電。

局部放電所產生的電弧不僅會引起超聲電源激勵電流、電壓和頻率發生改變，也會導致設備溫度異常升高，直接影響到超聲電源和換能器的正常工作，降低超聲加工效率，進而縮短超聲電源和換能器的使用壽命，甚至會導致超聲加工設備的損壞。

在目前超聲加工局部放電監測領域中，由于超聲加工中過程涉及到的影響因素眾多，如電流幅值，電壓幅值，頻率，聲音強度，設備溫度等，且各個因素之間關聯度大，基于解析模型的方法實施起來非常困難。采用最為廣泛和最有效果的是基于數據的方法，只需要獲得正常工況下的過程指標數據就能利用數學模型建立起輸入輸出以及各個變量之間的關系，從而進行超聲加工系統的局部放電檢測。

在基于數據的的方法中，主元分析法使用較為廣泛，傳統的主元分析方法是在構造PCA模型時將變量矩陣的變換特征值從大到小排列，并選擇對應較大特征值的主元，形成變換特征空間的子空間以提取特征信息，并且用較大特征值對應的特征向量表示原始數據的整體趨勢，但在建立PCA模型時所采用的正常工況下的訓練數據集，常常含有一些錯誤的數據點，也就是離群點，這一類特殊數據點的某些特征明顯區別于周圍其他數據。這些離群點的無用殘差信息使得Q統計量，也被稱為預測平方誤差(Squared Prediction Error,SPE)的控制限高于其真實的控制限，導致小規模局部放電的檢測效率低，敏感性差。從這點來分析，傳統PCA算法喪失了對離群點的挖掘和剔除，因此基于傳統PCA的局部放電檢測方法在建模過程中需進一步考慮離群點，從而重構訓練矩陣，提升PCA算法用于超聲加工局部放電檢測的性能。

發明內容

本發明所要解決的技術問題是提供一種自適應PCA模型建立方法，該方法在 PCA算法用于建立傳統PCA檢測模型時，采用自適應循環方法剔除所有訓練樣本中的離群點，對訓練矩陣進行重復壓縮，得到一個新的標準矩陣，計算相應的控制限指標。同時，本發明還提供了一種基于自適應PCA模型的超聲加工局部放電檢測方法，將利用自適應PCA模型計算的控制限指標應用于超聲加工的在線局部放電檢測，從而提高超聲加工局部放電的檢測敏感度和檢測效率。

為解決上述技術問題，本發明提供以下技術方案：一種自適應PCA模型建立方法，包括以下技術步驟：

S1：通過采集超聲加工正常運行狀態下的多源傳感器采集的指標參數組成樣本數據指標參數包括脈沖電流S、脈沖電壓V、相位差聲音S、設備溫度C；